本发明属于数码印刷机,涉及一种数码印刷机柔板套位印刷控制系统。
背景技术:
1、数码印刷机是一种通过数码技术对纸张、纺织品或其他材料进行打印的印刷设备。相对于传统的印刷设备,数码印刷机可以实现快速、灵活、低成本的印刷,同时能够实现个性化订制,批量生产等需求,因此在广告、出版、服装等领域得到了广泛应用。
2、然而,目前大部分数码印刷机由于缺少传统印刷机的柔板工位,无法实现材料上油和追印印刷的功能,导致印刷质量和稳定性降低。而在材料上油过程中,容易出现由于无法精确评估不同印刷材料面积和厚度的上油量,导致材料上油不均匀的问题。此外,在追印印刷过程中,容易出现由于无法确定需要追印的图像位置以及控制追印印刷压力,导致追印图像重叠和不清晰的问题。
技术实现思路
1、为解决上述现有技术存在的问题,本发明提供了一种数码印刷机柔板套位印刷控制系统。
2、本发明的目的可以通过以下技术方案实现:
3、本发明提供了一种数码印刷机柔板套位印刷控制系统,包括数据采集模块、智能上油模块、智能追印模块和柔板控制模块,其中:
4、所述数据采集模块,用于采集印刷机工作时的印刷数据,所述印刷数据包括印刷材料的面积和厚度、材料上油量、待印刷图像特征数据和印刷后图像特征数据;
5、所述智能上油模块,用于将印刷材料的面积和厚度作为输入,输入广义回归神经网络模型,对材料上油量进行控制;
6、所述智能追印模块,用于根据待印刷图像特征数据和印刷后图像特征数据,采用智能追印算法确定需要追印的图像位置以及追印印刷压力;
7、所述柔板控制模块,连接所述智能上油模块和所述智能追印模块,用于控制柔板的运动以完成材料上油和追印印刷的操作。
8、进一步地,所述智能上油模块中,所述广义回归神经网络,是以印刷材料的面积和厚度作为自变量,材料上油量为因变量构建的,包括以下步骤:
9、s1、数据预处理:对重复的自变量样本进行合并,重复样本所对应的因变量数据取平均值处理;
10、s2、模型结构设计:确定模型神经元的结构,以及它们之间的传输方式;
11、s3、模型参数调整:设定平滑因子的步长,采用决定系数评估不同平滑因子步长的模型预测性能,选择决定系数最大的平滑因子作为模型的最佳参数;
12、s4、模型确定:选择具有最佳参数的模型作为最终模型。
13、进一步地,步骤s2中,所述模型神经元包括输入层、模式层、求和层和输出层,所述输入层,用于将输入向量传输给模式层,输入层层数等于输入向量的样本数;所述模式层,用于采用高斯函数对输入数据进行处理,并传输给求和层;所述求和层,用于对模式层神经元进行求和,包括神经元输出求和,以及输出向量加权求和;所述输出层,用于利用求和层的输出求出估计输出结果;所述输入向量为印刷材料的面积和厚度,输出向量为材料上油量;
14、进一步地,所述模式层中,所述高斯函数,计算公式为:
15、
16、式中,pi表示第i个输入层的模式层神经元输出;x表示网络输入向量;xi表示第i个输入层神经元对应的学习样本;σ表示平滑因子。
17、进一步地,所述求和层中,所述神经元输出求和,计算公式为:
18、
19、式中,sd表示求和层神经元输出总和;pi表示第i个输入层的模式层神经元输出;n为样本数;
20、所述输出向量加权求和,计算公式为:
21、
22、式中,snj表示第j个求和层的输出向量加权求和,j=1,2,……,k,k为求和层层数;yij表示第j个求和层的输出向量。
23、进一步地,所述输出层中,所述利用求和层的输出求出估计输出结果,估计输出结果的计算公如下:
24、
25、式中,snj表示第j个求和层的输出向量加权求和,j=1,2,……,k,k为求和层层数;sd表示求和层神经元输出总和;yj表示第j个求和层的估计输出结果。
26、进一步地,步骤s3中,所述决定系数,计算公式为:
27、
28、式中,r2为决定系数;yi为材料上油量的实际值;zi为待材料上油量的预测值;为材料上油量实际值的平均值;n为样本数。
29、进一步地,所述智能追印模块中,所述智能追印算法,包括以下步骤:
30、t1、以印刷材料的图像中心为原点,建立x-y直角坐标系;
31、t2、计算不同坐标所对应的待印刷图像特征数据和印刷后图像特征数据之间的差值,确定需要追印的图像坐标位置;
32、t3、根据所述需要追印的图像坐标位置,在所述图像坐标位置准备追印的图像;
33、t4、根据待印刷图像特征数据和印刷后图像特征数据之间的差值,确定追印印刷的压力,对需要追印的图像坐标位置进行追印印刷。
34、进一步地,步骤t4中,所述根据待印刷图像特征数据和印刷后图像特征数据之间的差值,确定追印印刷压力,包括以下步骤:
35、t41、计算图像差值方差,所述图像坐标方差为不同坐标所对应的待印刷图像特征数据和印刷后图像特征数据之间差值的方差;
36、t42、以图像差值方差为解释变量,追印压力为响应变量,训练人工神经网络模型;
37、t43、将图像差值方差输入训练完成的人工神经网络模型,输出追印印刷压力。
38、进一步地,步骤t42中,所述人工神经网络模型为卷积神经网络模型。
39、本发明的有益效果:
40、(1)通过构建广义回归神经网络,精确量化材料上油量对印刷材料的面积和厚度的响应,过程中对重复的样本数据进行合并和取平均值处理,解决了现有技术中在材料上油过程中,容易出现由于无法精确评估不同印刷材料面积和厚度的上油量,导致材料上油不均匀的问题。
41、(2)通过建立直角坐标系,计算不同坐标所对应的待印刷图像特征数据和印刷后图像特征数据之间的差值,确定需要追印的图像坐标位置,并以图像差值方差,作为衡量印刷图像清晰度的指标,以控制印刷追印压力,解决了现有技术在追印印刷过程中,由于无法确定需要追印的图像位置以及无法控制追印印刷压力,导致追印图像重叠和不清晰的问题。
1.一种数码印刷机柔板套位印刷控制系统,其特征在于:包括数据采集模块、智能上油模块、智能追印模块和柔板控制模块,其中:
2.根据权利要求1所述的一种数码印刷机柔板套位印刷控制系统,其特征在于:步骤s2中,所述模型神经元包括输入层、模式层、求和层和输出层,所述输入层,用于将输入向量传输给模式层,输入层层数等于输入向量的样本数;所述模式层,用于采用高斯函数对输入数据进行处理,并传输给求和层;所述求和层,用于对模式层神经元进行求和,包括神经元输出求和,以及输出向量加权求和;所述输出层,用于利用求和层的输出求出估计输出结果;所述输入向量为印刷材料的面积和厚度,输出向量为材料上油量。
3.根据权利要求1所述的一种数码印刷机柔板套位印刷控制系统,其特征在于:步骤s3中,所述决定系数,计算公式为:
4.根据权利要求1所述的一种数码印刷机柔板套位印刷控制系统,其特征在于:步骤t4中,所述根据待印刷图像特征数据和印刷后图像特征数据之间的差值,确定追印印刷压力,包括以下步骤:
5.根据权利要求4所述的一种数码印刷机柔板套位印刷控制系统,其特征在于:步骤t42中,所述人工神经网络模型为卷积神经网络模型。